一种大脑默认网络的功能连接分析方法技术

本发明专利技术公开了一种大脑默认网络的功能连接分析方法。对功能磁共振图像进行预处理，并选取默认模式脑区；将脑区定义为节点，脑区之间的联系定义为边，构成一个含有若干节点的默认模式网络；分析默认模式网络的节点度、集聚系数、最短路径长度，分别应用迪杰斯特拉算法和改进蚁群算法计算默认模式网络的平均距离和哈密顿路径距离，研究默认模式网络节点间的连接特征；找出脑疾病患者和正常人的默认模式网络是否具有相同的平均距离和哈密顿路径，判断两者在相同哈密顿路径方向时是否具有相同的路径长度。本发明专利技术通过分析默认模式网络的功能连接，探索正常人与脑疾病患者大脑功能的差异，在认知功能研究、精神疾病诊疗等方面具有一定的应用价值。

【技术实现步骤摘要】

本专利技术涉及一种基于医学影像的大脑默认网络分析方法，具体是一种大脑网络功能连接的分析方法，属于生物医学信息处理
，为国家自然科学基金项目(51307010)阶段性研究成果。
技术介绍
默认模式是指大脑不加工外在任务时回归到基线的状态。支持这一功能的脑区在安静条件下的活动比主动任务条件下高，被试在进行认知任务时，这些脑区总是表现出负激活。这些具有自发激活性、时间同步性和内在功能连接的特定脑区被合称为默认模式网络(Default Mode Network，DMN)或默认网络。Greicius等首次使用静息态功能连接分析默认网络，发现后扣带回(PCC)/前楔叶与其它脑区存在功能连接，说明这些脑区的活动具有同步性，从而证实了默认网络的存在。默认模式网络拥有其特定的空间构成，且有别于其它静息态网络的活动规律，为研究人类自发的认知提供了一个新的出发点。近年来，大脑默认模式网络已经成为认知神经科学领域的研究热点。人们应用静息态功能磁共振成像(functional Magnetic Resonance Imaging，fMRI)技术对神经精神类疾病的默认模式网络进行了大量研究，发现在一些精神和神经性疾病(如阿尔兹海默病、精神分裂症、癫痫等)患者大脑中，默认网络相关脑区的激活程度和功能连接发生了显著改变。很多大脑默认模式网络的研究方法仅仅是局限于医学手段，例如任务诱发激活或负激活、静息态功能连接、弥散张量成像、低频振幅等，然而利用基于网络的分析方法来对默认模式网络功能连接进行研究的文献和专利相对较少，研究默认模式网络的功能连接方面的文献和专利就更为稀少。以图论为主的复杂脑网络分析技术主要关注大脑结构或功能网络，其主要衡量指标有节点度、聚类系数、最短路径长度等。本专利技术以fMRI数据为研究对象，首先研究默认模式网络的节点特性，然后采用迪杰斯特拉算法和改进的自适应蚁群算法研究其网络连接特性。专利技术通过分析默认模式网络的功能连接特性，探索正常人与脑疾病患者大脑功能的差异性，对脑疾病患者默认模式网络的功能连接研究有着非常重要的理论和应用价值。
技术实现思路
针对现有技术存在的不足之处和实际应用的需要，本专利技术要解决的问题是：提供一种大脑默认网络功能连接分析方法，实现对大脑默认网络间的功能连接特征进行分析研究。为了达到上述目的，本专利技术采取以下技术方案：第一步：对被试者大脑进行磁共振扫描，获得被试者的大脑功能磁共振图像。又分为：情况一：对正常人静息态下进行磁共振扫描，获得被试者静息态下的磁共振图像。情况二：对某种刺激或疾病下的被试者进行磁共振扫描，获得被试者在刺激或疾病状态下的磁共振图像。第二步：将获得的功能磁共振图像进行预处理，预处理包括格式转换、时间校正、头动校正、配准、空间标准化、平滑、去线性漂移，滤波。第三步：采用标准化分区模板将大脑功能磁共振图像划为若干大脑区域，选取默认模式脑区，并将每个脑区定义为一个节点，脑区与脑区之间的联系定义为连接节点的边，各个节点通过边相互连接构成默认模式网络。第四步：计算默认模式网络的节点度、聚类系数和最短路径长度。节点i的聚类系数定义为 C i = 2 E i k i ( k i - 1 ) - - - ( 1 ) ]]>式中：N表示网络中节点的个数；Ei为节点i与邻接节点间实际存在的边数；若ki＜2，Ci＝0。节点i的最短路径长度Li定义为节点i到网络内所有其它节点的平均最短路径： L i = 1 N - 1 Σ i ≠ j ∈ G L i , j - - - ( 2 ) ]]>式中：Li，j代表节点i与节点j之间的最短路径长度。第五步：分别应用迪杰斯特拉算法和改进的蚁群算法计算默认模式网络的平均距离和哈密顿路径距离。迪杰斯特拉算法描述为：设G＝{V，E本文档来自技高网...

【技术保护点】
一种大脑默认网络的功能连接分析方法，其特征在于，包括以下步骤：(1)对若干被试者大脑进行磁共振扫描，获得被试者的静息态大脑功能磁共振图像。(2)将获得的功能磁共振图像进行预处理，预处理包括格式转换、时间校正、头动校正、配准、空间标准化、平滑、去线性漂移、滤波等。(3)采用标准化分区模板将每个被试的大脑功能磁共振图像划为若干大脑区域，选取默认模式脑区，并将每个脑区定义为一个节点，脑区与脑区之间的联系定义为连接节点的边，各个节点通过边相互连接构成默认模式网络。(4)计算每个被试默认模式网络的节点度、聚类系数和最短路径长度。节点i的聚类系数定义为Ci=2Eiki(ki-1)---(1)]]>式中：N表示网络中节点的个数；Ei为节点i与邻接节点间实际存在的边数；若ki＜2，Ci＝0。节点i的最短路径长度Li定义为节点i到网络内所有其它节点的平均最短路径：Li=1N-1Σi≠j∈GLi,j---(2)]]>式中：Li，i代表节点i与节点j之间的最短路径长度。(5)计算默认模式网络的平均距离和哈密顿路径距离。(6)比较正常人和脑疾病患者默认模式网络的节点度、集聚系数、平均路径、特征路径长度、哈密顿路径。(7)分析正常人和脑疾病患者的默认模式网络的节点的度、集聚系数、特征路径长度，判断这些值是否相同；在上述三个节点属性的基础上分析其网络的平均路径和哈密顿路径并绘其脑功能连接图。...

【技术特征摘要】
1.一种大脑默认网络的功能连接分析方法，其特征在于，包括以下步骤：(1)对若干被试者大脑进行磁共振扫描，获得被试者的静息态大脑功能磁共振图像。(2)将获得的功能磁共振图像进行预处理，预处理包括格式转换、时间校正、头动校正、配准、空间标准化、平滑、去线性漂移、滤波等。(3)采用标准化分区模板将每个被试的大脑功能磁共振图像划为若干大脑区域，选取默认模式脑区，并将每个脑区定义为一个节点，脑区与脑区之间的联系定义为连接节点的边，各个节点通过边相互连接构成默认模式网络。(4)计算每个被试默认模式网络的节点度、聚类系数和最短路径长度。节点i的聚类系数定义为 C i = 2 E i k i ( k i - 1 ) - - - ( 1 ) ]]>式中：N表示网络中节点的个数；Ei为节点i与邻接节点间实际存在的边数；若ki...

【专利技术属性】
技术研发人员：焦竹青，马凯，王欢，邹凌，项艰波，马正华，
申请(专利权)人：常州大学，
类型：发明
国别省市：江苏;32